A Eficiência nos Mercados de Capitais
Teoria, Impacto das Tecnologias, Práticas Irregulares e Regulação
Debate:
- Efficient Capital Markets: A Review of Theory and Empirical Work (Eugene F. Fama, 1970)
- A Digitalização do Mercado de Capitais no Brasil: Tendências Recentes (Edemilson Paraná, 2018)
- How Algorithmic Trading Undermines Efficiency in Capital Markets (Yesha Yadav, 2015)
- As Condenações do Insider Trading Primário e Secundário na Comissão de Valores Mobiliários entre 2017 e 2021 (Ives Nahama e Mariana Dionísio, 2022)
Efficient Capital Markets: A Review of Theory and Empirical Work (Eugene F. Fama, 1970)
Hipótese dos mercados eficientes: A rigor, essa hipótese afirma que em um mercado eficiente os preços dos ativos financeiros refletem INTEGRALMENTE todas as informações disponíveis. Isso significa que, em qualquer ponto no tempo, o preço de um ativo reflete tanto informações passadas quanto novas, sendo impossível para os investidores obterem retornos superiores ao mercado de forma sistemática com base em qualquer conjunto de informações disponível.
Efficient Capital Markets: A Review of Theory and Empirical Work (Eugene F. Fama, 1970)
Forma: FRACA
os preços das ações refletem todas as informações históricas de preços. Isso implica que os investidores não podem prever movimentos futuros dos preços com base em dados passados, como padrões de preço ou volume, portanto, a análise técnica seria ineficaz.
Efficient Capital Markets: A Review of Theory and Empirical Work (Eugene F. Fama, 1970)
Forma: SEMI-FORTE
Estende a forma fraca, afirmando que os preços refletem todas as informações públicas disponíveis, como relatórios financeiros, notícias, anúncios de dividendos, etc. Nesse contexto, nem a análise fundamentalista, que se baseia em informações públicas para selecionar ações subvalorizadas, seria capaz de gerar retornos anormais
Efficient Capital Markets: A Review of Theory and Empirical Work (Eugene F. Fama, 1970)
Forma: FORTE
Postula que os preços refletem todas as informações, públicas e privadas (informações privilegiadas ou “insider information”). Mesmo investidores com acesso a informações exclusivas não seriam capazes de obter retornos superiores ao mercado de forma consistente.
How Algorithmic Trading Undermines Efficiency in Capital Markets (Yesha Yadav, 2015)
- Tese Principal: O trading algorítmico prejudica a eficiência da alocação de capital nos mercados de valores mobiliários.
- Objetivo: Analisar como a negociação algorítmica afeta a eficiência informacional e alocativa.
Trading Algorítmico e Risco de Modelo
- Definição: Trading algorítmico usa algoritmos pré-programados para transacionar ativos financeiros.
- Risco de Modelo: Risco associado ao fato de que os modelos financeiros falham em capturar a complexidade do mundo real.
- Implicação: Gera incentivos para focar em mercados de curto prazo, onde a previsão é mais fácil.
Problemas de Alocação de Capital
- Eficiência Alocativa: A eficiência de alocação de capital está comprometida porque os preços refletem cada vez menos o valor fundamental das empresas.
- Curto Prazo: Algoritmos são desenvolvidos para serem bem-sucedidos em horizontes de curto prazo, o que prejudica a capacidade dos mercados de alocar capital de forma eficiente para o longo prazo.
Implicações Regulatórias
- Dependência dos Preços: A regulação atual depende fortemente dos preços como indicador da eficiência alocativa.
- Problemas da Regulamentação: Se os preços não refletem a saúde fundamental das empresas, o uso de preços para regular e monitorar a governança corporativa se torna questionável.
Conclusão
- Resumo: O trading algorítmico gera uma desconexão entre a eficiência informacional e a eficiência alocativa.
- Reflexão Crítica: É necessário reavaliar a dependência da regulação sobre os preços como uma medida de eficiência de mercado.
- Próximos Passos: Implementar reformas para assegurar que os mercados cumpram seu papel fundamental na alocação eficiente de capital.
As Condenações do Insider Trading Primário e Secundário na Comissão de Valores Mobiliário entre 2017 e 2021: uma análise de conteúdo a partir do Iramuteq (Ives Nahama Gomes dos Santos e Mariana Dionísio de Andrade, 2022)
- Tese Principal: A principal diferença entre processos administrativos sancionadores (PAS) da Comissão de Valores Mobiliários (CVM) para insiders primários e secundários está na presunção da relevância da informação privilegiada.
- Objetivo: Analisar diferenças nas condenações de insiders primários e secundários por uso de informações privilegiadas, usando uma metodologia de análise de conteúdo com o auxílio do software Iramuteq.
Insider Trading: Definições e Contexto Regulatório
- Definição: O insider trading refere-se ao uso de informações não públicas para negociação de valores mobiliários. Existem dois tipos de insiders: primários, que possuem acesso direto à informação em razão do cargo, e secundários, que recebem informações de forma indireta.
- Marco Regulatório: A regulação do insider trading no Brasil é feita pela CVM, com base na Lei 6.385/76 e instruções normativas, como a ICVM nº 358/2002. A CVM é responsável por fiscalizar e aplicar sanções administrativas.
Metodologia Utilizada
- Metodologia de Análise de Conteúdo (AC): Utilizada para identificar padrões nas decisões da CVM entre 2017 e 2021, com o auxílio do software Iramuteq. A AC foi escolhida por sua capacidade de descrever e interpretar conteúdos de maneira sistemática.
- MAD - Metodologia de Análise de Decisões: Aplicada para entender a fundamentação dos votos e suas possíveis diferenças entre insiders primários e secundários.
Diferenças entre Insiders Primários e Secundários
- Insiders Primários: Estes possuem acesso direto à informação privilegiada em razão de sua posição na empresa. A maior diferença identificada é a presunção de que a informação é relevante para esses insiders, sendo este um fator decisivo para justificar condenações.
- Insiders Secundários: Insiders que obtêm informação privilegiada sem ocuparem cargos internos da empresa. Para eles, não há presunção de que a informação seja relevante, e cabe à CVM provar que houve acesso e uso da informação.
Principais Resultados
- Condenações e Absolvições: Dos 25 insiders primários analisados, 14 foram absolvidos, enquanto todos os 14 insiders secundários foram condenados. Para os primários, a absolvição foi justificada em casos onde não havia evidência de que a informação era relevante ou que ela foi efetivamente utilizada.
- Montante das Multas: As multas aplicadas a insiders primários foram muito superiores, totalizando mais de 500 milhões de reais, enquanto as multas para secundários somaram cerca de 7,5 milhões de reais. Essa discrepância reflete a obrigação maior dos insiders primários em relação à confidencialidade.
Analise de Similitude
Impactos na Eficiência dos Mercados
- Transparência e Eficiência de Mercado: A regulação visa garantir um mercado eficiente, promovendo a simetria da informação entre investidores. No entanto, a distinção entre primários e secundários demonstra que ainda há dificuldades na aplicação uniforme da regulação.
- Risco de Distorções: A dificuldade em punir insiders primários com a mesma frequência que os secundários pode gerar distorções no mercado, favorecendo aqueles com acesso direto à informação.
Conclusão
- Resumo: A principal diferença nas decisões da CVM reside na presunção de relevância da informação privilegiada para insiders primários, o que não ocorre para os secundários. O uso do software Iramuteq permitiu identificar que a fundamentação dos votos varia significativamente entre os dois tipos de insiders.
- Implicações para o Mercado: As sanções desiguais entre primários e secundários podem impactar a confiança dos investidores e a percepção de justiça no mercado. É necessário considerar possíveis ajustes regulatórios para garantir que todos os agentes sejam responsabilizados de forma justa e eficiente.